基于堆叠空间 LSTM 网络的事件相机实时 6DOF 姿态重定位
计算机视觉与模式识别
2019-07-10 v3 机器人学
摘要
我们提出一种新方法，仅基于事件流对事件相机的 6DOF 姿态进行重定位。该方法首先从极短时间间隔内发生的事件列表生成事件图像，然后利用堆叠空间 LSTM 网络 (SP-LSTM) 学习相机位姿。SP-LSTM 由一个 CNN 组成，用于从事件图像中学习深层特征，以及一堆 LSTM，用于在图像特征空间中学习空间依赖性。我们表明空间依赖性在重定位任务中起重要作用，且 SP-LSTM 能有效学习该信息。在公开数据集上的实验结果显示，我们的方法泛化性能良好，且以显著优势超越近期方法。总体而言，与当前最先进水平相比，该方法将位置误差降低约 6 倍，姿态误差降低约 3 倍。源代码和训练模型将予以发布。
引用
@article{arxiv.1708.09011,
title = {Real-Time 6DOF Pose Relocalization for Event Cameras with Stacked Spatial LSTM Networks},
author = {Anh Nguyen and Thanh-Toan Do and Darwin G. Caldwell and Nikos G. Tsagarakis},
journal= {arXiv preprint arXiv:1708.09011},
year = {2019}
}
备注
7 pages, 5 figures